Große Getränkehersteller betreiben Hochvolumentauchlinien mit umfangreichen Produktportfolios. Die Produktion von Softdrinks, Wasser und lizenzierten internationalen Marken erfordert die Verwaltung von Dutzenden von SKU-Varianten – einschließlich inländischer und exportorientierter Varianten desselben Produkts. Um die Produktion aufrechtzuerhalten, benötigen diese Hersteller ein Qualitätskontrollsystem, das mit extrem hohen Produktionsraten Schritt halten kann, ohne Kompromisse einzugehen.
“Wir hatten schon seit 15 Jahren versucht, dieses Problem zu lösen, bevor Sie auftauchten.”
— Leiter der Produktion, globaler Getränkehersteller
Die Herausforderung: Null Fehlergrenze bei extrem hohen Geschwindigkeiten
Hochgeschwindigkeits-Füllanlagen für Getränke lassen kaum Spielraum für Fehler. Dieser Hersteller hatte vier unterschiedliche Herausforderungen in Bezug auf die Qualitätskontrolle zu bewältigen, die bestehende Vision-Lösungen aus dem Portfolio einfach nicht bewältigen konnten:
- Die “Rogue Can”-Bedrohung: Ein Fehlinhalt kann auftreten, wenn ein leerer Behälter eines Produkts in eine Fülllinie eingebracht wird, die für ein anderes Produkt bestimmt ist (z. B. ein Soda-Becher, der mit Bier gefüllt ist, oder eine Exportvariante, die mit einer heimischen Rezeptur gefüllt ist). Da viele Artikelvarianten nahezu identische Geometrie und Druckdesigns aufweisen, war kein anderes Maschinenzielsystem in der Lage, dies in Liniengeschwindigkeit zu lösen. Die Folgen eines Fehlinhaltes reichen von kostspieligen Rückrufaktionen für Produkte bis hin zu schwerwiegenden regulatorischen Verstößen für den Verbraucher.
- Verifizierung der Datumsmarkierung: Farbbilddrucke mit Datumsangaben auf stark reflektierenden, gekrümmten Aluminiumoberflächen sind notorisch schwer lesbar. Der Kontrast ist gering, und die Druckqualität schwankt naturgemäß. Auf Exportmärkten kann ein falscher oder fehlender Datumscode eine ganze Charge unzulässig machen.
- Verfallene Dosen: Bei einer Produktion von 2.500 Dosen pro Minute können einzelne gefallene Dosen zu Störungen und Systemfehlern führen. Bei der ersten Implementierung wurde festgestellt, dass fast 90 % der Probleme bei der Datumslabel-Druckung tatsächlich durch das Verschieben der Dosen hinunter in der Produktionslinie verursacht wurden. Alte Sensoren sind bei dieser extremen Geschwindigkeit nicht in der Lage, die Ausrichtung zuverlässig zu erkennen, was zu unordentlichen mechanischen Störungen und Materialverschwendung führt.
- Erkennung von Rissen und Kratzern: Oberflächenschäden beeinträchtigen die Produktintegrität und schaden dem Markenimage. Die Erkennung von physikalischen Defekten an einer beweglichen Linie bei maximaler Produktionsgeschwindigkeit erfordert eine Bildqualität, die herkömmliche regelbasierte Systeme nur schwer erreichen können.
Die Lösung: Zero-Latency-Edge-Verarbeitung
Bei Verarbeitungsraten von über 2.000 Einheiten pro Minute ist Cloud Computing keine Option. Das Senden von Bilddaten in die Cloud führt zu einer Latenzzeit; bis die KI auf Cloudbasis einen Defekt erkennt, ist der Behälter bereits einige zehn Meter vom Inspektionsort entfernt.
MarshallAI löste dieses Problem, indem es ein kompaktes, lokalisiertes Edge-Computing-Vision-System einsetzte, das direkt in die bestehende Fülllinie des Kunden integriert wurde. Das System benötigt nur etwa einen Quadratmeter an Line-Platz und verarbeitet visuelle Daten sofort auf der Fabriksebene.
- Rogue kann abgefangen werden: Durch die Analyse der präzisen visuellen Merkmale jeder SKU – einschließlich der geringen Unterschiede zwischen den inländischen und Exportversionen – konnte MarshallAI nahezu identische Dosen erfolgreich unterscheiden und damit eine Herausforderung bewältigen, die die Getränkeindustrie in großem Maßstab weitgehend als unmöglich hielt.
- Datenverifizierung: MarshallAI trainierte maßgeschneiderte Vision-Modelle speziell für die Bedingungen bei geringem Kontrast bei Tintenstrahldruck auf Aluminium und erzielte eine zuverlässige optische Zeichenerkennung (OCR), unabhängig von der Beleuchtung oder der Ausrichtung.
- Fallen Can-Erkennung: Unser System erkennt die Ausrichtung jeder einzelnen Einheit sofort. Durch die Erkennung verfallener Dosen, bevor diese in den nächsten Schritt gelangen, verhindert die KI aktiv Verstopfungen, kostspielige Ausfälle und reduziert Abfallmengen.
- Oberflächenprüfung: Das System führt eine kontinuierliche 360-Grad-Oberflächeninspektion durch und erkennt dabei physikalische Defekte, die zuvor eine unsichere manuelle Probenahme erforderten.
Die greifbaren Ergebnisse
Die Implementierung hat gezeigt, dass fortgeschrittenes Deep Learning auch in den anspruchsvollsten Produktionsumgebungen mit hoher Durchsatzleistung problemlos eingesetzt werden kann.
- Verbesserter Produktionsdurchlaufzeit: Die hochpräzise Fehlererkennung hat nahezu alle falschen positiven Ergebnisse eliminiert. Durch die Bereitstellung von genauen, Echtzeitdaten zu kritischen Ausfällen vermeidet das Werk unnötige Produktionsausfälle und maximiert die tägliche Ausbeute.
- Gesamtverbraucherschutz: Fehlerhafte Packungen werden aufgegriffen, um sicherzustellen, dass ein nicht passendes Produkt verkauft wird nie Ende an den Händen eines Verbrauchers.
- Beispiellose Geschwindigkeit und Präzision: Das System überprüft jede einzelne Dose einzeln 2.000 bis 2.500 Einheiten pro Minute. Bei allen vier simultanen Inspektionsaufgaben erreicht die Fehlererkennungsgenauigkeit eine Genauigkeit von 99,99 %.
- Nahtloser Betriebsablauf: Die gesamte SKU-Palette wird durch ein einziges System verwaltet. Es sind keine Linienverzögerungen oder manuelle Kalibrierungen erforderlich bei Produktwechseln.
